Armazenamento por linha vs. por coluna

Conceitos de Data Warehousing

Aaren Stubberfield

Data Scientist

Por que isso importa?

Otimizando consultas para velocidade
Formato por coluna em data warehouses é melhor para análises

Noções básicas de armazenamento

Computadores armazenam dados em blocos.
Leem os blocos necessários ao buscar dados.
Ler menos blocos acelera o processo.

Imagem simbólica de um disco rígido com vários blocos de armazenamento

Exemplo de tabela de saúde

CDC (Centers for Disease Control and Prevention)
Dados de gripe por faixas etárias em várias temporadas

TEMPORADA	FAIXA ETÁRIA	% DE HOSPITALIZAÇÃO
2019	0-17 anos	13,9%
2019	18-49 anos	22,5%
2019	50+ anos	63,7%
2020	0-17 anos	3,9%
2020	18-49 anos	18,1%
2020	50+ anos	78%
2021	0-17 anos	15,6%
2021	18-49 anos	23,3%
2021	50+ anos	61,1%

Exemplo: armazenamento por linha

TEMPORADA	FAIXA ETÁRIA	% DE HOSPITALIZAÇÃO
2019	0-17 anos	13,9%
*2019*	*18-49 anos*	*22,5%*
2019	50+ anos	63,7%
2020	0-17 anos	3,9%
2020	18-49 anos	18,1%
2020	50+ anos	78%
2021	0-17 anos	15,6%
2021	18-49 anos	23,3%
2021	50+ anos	61,1%

Imagem simbólica de um disco rígido com vários blocos de armazenamento, cada bloco com uma linha

Exemplo: armazenamento por coluna

TEMPORADA	FAIXA ETÁRIA	% DE HOSPITALIZAÇÃO
2019	*0-17 anos*	13,9%
2019	*18-49 anos*	22,5%
2019	*50+ anos*	63,7%
2020	*0-17 anos*	3,9%
2020	*18-49 anos*	18,1%
2020	*50+ anos*	78%
2021	*0-17 anos*	15,6%
2021	*18-49 anos*	23,3%
2021	*50+ anos*	61,1%

Imagem simbólica de um disco rígido com vários blocos de armazenamento, cada bloco com uma coluna

Resumo

Armazenamento por linha

Dados de uma linha ficam juntos em blocos
Ideal para cargas transacionais

Armazenamento por coluna

Dados de uma coluna ficam juntos em blocos
Ideal para cargas analíticas
Melhor compactação

Vamos praticar!

Conceitos de Data Warehousing

Preparing Video For Download...